XPath クエリ基礎（HtmlAgilityPack）

1. XPathとは

XPath（XML Path Language）は、XMLやHTML文書内のノード（要素・属性・テキストなど）をパス構文で指定して検索する言語です。HtmlAgilityPackはHTMLを内部的にXMLライクな構造として扱うため、XPathを使って効率よくノードを探索・抽出できます。

---

2. 基本的な構文例

以下はXPathの基本構文です。

---

3. HtmlAgilityPackでのXPath使用例

csharp
var doc = new HtmlDocument();
doc.Load("sample.html");

// XPathでdivタグをすべて取得
var divNodes = doc.DocumentNode.SelectNodes("//div");

foreach (var node in divNodes)
{
    Console.WriteLine(node.InnerText);
}

// 特定のclass属性を持つ要素を取得
var introParagraph = doc.DocumentNode.SelectSingleNode("//p[@class='intro']");
Console.WriteLine(introParagraph?.InnerText);

---

4. XPath使用時の注意点

• HTMLが不正な構文でも、HtmlAgilityPackは自動補正を試みるため、XPathが思わぬノードを指すことがあります。

• 空の要素や属性名の大文字・小文字の違いに注意が必要です（HTMLは大文字小文字を区別しないが、XPathでは区別されます）。

• ノードが存在しないときは null が返されるので、Nullチェックを行うことが重要です。

---

5. 補足：属性値の部分一致

XPathでは関数も利用可能です。

csharp
// class属性に'item'が含まれるdiv
var nodes = doc.DocumentNode.SelectNodes("//div[contains(@class, 'item')]");

---

まとめ

HtmlAgilityPackではXPathを使うことで、HTML文書から特定の要素や属性を効率的に抽出できます。XPathの基礎構文を理解しておくことで、複雑なHTML構造にも柔軟に対応したスクレイピングやデータ抽出が可能になります。